import numpy as np
import pandas as pd
np.random.seed(666)
s1 = pd.series([1, 2, 3, 4], index=[『a』, 『b』, 『c』, 『d』])
s2 = pd.series([『a』,『b』,『c』], index=[1, 5, 10])
df1 = pd.dataframe(np.random.rand(25).reshape([5,5]), index=[『a』,『b』,『d』,『e』,『f』], columns=[『c1』,『c2』,『c3』,『c4』,『c5』])
#################
#print(df1.reindex(index=[『a』, 『b』], columns=[『c1』, 『c2』])) # index columns 分別切片是可以的
print(df1.reindex(index=[『a』,『b』], columns=[『c1』, 『c2』, 『c11』])) # 沒有的，用nan 填充
#print(df1.reindex(index=[『a』,『b』], columns=[『c1』, 『c2』,『c11』], fill_value=600)) # 一般填充的是浮點數
#print(df1.reindex(index=[『a』,『b』,『g』,『h』,『i』], columns=[『c1』,『c2』,『c11』], method=『ffill』))
#下面新增的 ghi 是以總資料集df1中的最後乙個行索引的值為標準， 總資料df1 的最後一行為 c1 c2 列分別為 0.023236 0.727321
#所以在橫向上全部填充為 0.023236 0.727321 # 在縱列上 c11列所對應的a b 行 的數值 和 c1 列所對應的 a b 行的數值相同
print(df1.reindex(columns=[『c1』,『c2』,『c3』,『c11』,『c12』], method=『ffill』)) # 這裡沒有inplace=true 這個引數
#對於乙個series來說，可以使用drop，來丟掉某些 index
#print(s1.drop(『a』))
#dataframe drop(a) 直接去掉一行
print("---- axis 預設是行 ---- ")
print(df1.drop(『a』, axis=0))
print("----- 將 c1 的列去掉----")
print(df1.drop(『c1』, axis=1)) # 這個是去掉drop 中的列，剩下的資料集
#print(df1.drop(『c1』, axis=1,inplace=true)) # 這裡是可以加 inplace = true
stack用法，queue用法，
stack stack 模板類的定義在標頭檔案中。stack 模板類需要兩個模板引數，乙個是元素型別，乙個容器型別，但只有元素型別是必要 的，在不指定容器型別時，預設的容器型別為deque。定義stack 物件的示例 如下 stack s1 stack s2 stack 的基本操作有 入棧，如例 s...
stack用法，queue用法，
stack stack 模板類的定義在標頭檔案中。stack 模板類需要兩個模板引數，乙個是元素型別，乙個容器型別，但只有元素型別是必要 的，在不指定容器型別時，預設的容器型別為deque。定義stack 物件的示例 如下 stack s1 stack s2 stack 的基本操作有 入棧，如例 s...
object args用法 args的用法
object args用法 args和 kwargs主要用於函式定義中。args和 kwargs允許您將可變數量的引數傳遞給函式。變數在這裡的含義是，您事先不知道使用者可以將多少個引數傳遞給您的函式，因此在這種情況下，您將使用這兩個關鍵字。args用於將非關鍵字的可變長度引數列表傳送到函式。這是乙個...